如何用PHP Simple HTML DOM Parser提取页面内嵌JS中的位置数据

嘿，这个场景我熟！要从页面内嵌的script#state标签里拿到window.__INITIAL_STATE__里的country、state、zipCity，其实就是先定位脚本内容，再用正则抠出JSON，最后解析成PHP变量的过程，给你一步步拆解：

1. 用PHP Simple HTML DOM Parser定位目标脚本 #

你已经在用这个解析器了，先把页面HTML加载进来，精准定位到id="state"的script标签：

// 假设你已经获取到页面HTML内容并存入$html_content变量
require_once 'simple_html_dom.php';
$html = str_get_html($html_content);

// 找到id为state的第一个script标签（避免页面有多个同名标签的情况）
$script_tag = $html->find('script#state', 0);

// 先检查是否找到标签，避免后续报错
if (!$script_tag) {
    die("找不到id为state的script标签");
}

// 提取标签内的脚本文本
$script_content = $script_tag->innertext;

2. 用正则匹配出__INITIAL_STATE__的JSON内容 #

通常window.__INITIAL_STATE__的格式是window.__INITIAL_STATE__ = { ... };，我们需要把大括号里的JSON部分抠出来：

// 正则匹配window.__INITIAL_STATE__后的JSON对象
preg_match('/window\.__INITIAL_STATE__\s*=\s*({.*?});/s', $script_content, $matches);

// 检查是否匹配到有效内容
if (!isset($matches[1])) {
    die("无法匹配到__INITIAL_STATE__的JSON内容");
}

// 拿到纯净的JSON字符串
$initial_state_json = $matches[1];

这里的s修饰符很关键，它能让正则里的.匹配换行符，避免因为JSON多行排版导致匹配失败。

3. 解析JSON为PHP数组，提取目标变量 #

把JSON转成PHP关联数组后，就能直接提取你需要的字段了：

// 将JSON解析为关联数组（第二个参数true表示转数组而非对象）
$initial_state = json_decode($initial_state_json, true);

// 检查JSON解析是否成功
if (json_last_error() !== JSON_ERROR_NONE) {
    die("JSON解析失败：" . json_last_error_msg());
}

// 提取目标变量，用?? null做容错，避免字段不存在时报错
$country = $initial_state['country'] ?? null;
$state = $initial_state['state'] ?? null;
$zip_city = $initial_state['zipCity'] ?? null;

// 可以打印验证结果
var_dump($country, $state, $zip_city);

额外提醒 #

• 注意字段名的大小写！比如zipCity是驼峰命名，PHP里要完全对应，不然会取到空值。
• 如果页面里的__INITIAL_STATE__写法有细微差异（比如没有空格、末尾没有分号），正则里的\s*也能兼容，不用特意修改。
• 要是JSON里有注释，json_decode会失败，这种情况需要先去掉注释（不过生产环境的初始化状态一般不会加注释）。

内容的提问来源于stack exchange，提问作者medk